《表3 不同图像集的不同融合方法运行时间比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《螺旋结构及梯度分析的图像融合算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

s

图像融合中，时效性也是评价算法的重要指标。本文算法在时间上的优势体现在低频融合时的DtDSR结构模型上，该模型中对图像的任一像素总共只使用了4次，而滑窗模型在步长为1，窗口大小为n×n时，对每个像素使用了n2次，样本数据量的减少使得本文算法复杂度在数量级上有较大降低，在时间上占有一定的优势。表3给出了实验中不同算法的融合时间。SR、DWT-SR、NSCT-SR方法采用滑窗模型，在步长为1，窗口大小为8时每个元素重复使用了64次，导致融合时间比较长。DWT-SR由于图像下采样，融合时间相对另两种方法有所降低。而NSCT-FSR、NSCT-DtDSR、DtDSR-GA采用方向模型，每个元素只用4次，提高了融合效率。NSCT-DtDSR方法因增加了螺旋处理过程，运行时间比NSCT-FSR稍长，DtDSR-GA与NSCT-DtDSR相比，在高频处理中由于增加了梯度运算过程使得时间也稍增。与传统的滑窗模型的稀疏融合算法相比较，本文提出的DtDSR-GA算法数十倍提高了融合速度，虽在高频子图中因梯度分析使得时间有所增加，但从整体融合时间来说，增加时间与总时间的比值不超过3%。结合前文的主客观融合质量分析，DtDSR-GA不但融合效率高，且融合质量也有所提高，证明了其有效性。